Importar, transformar y visualizar datos en R
La exploración de datos nos permite verificar su calidad, entender los datos con los que trabajamos. Visualizar nuestros datos es un buen comienzo, pero a menudo vamos a necesitar transformar los datos previamente.
Formato tidy data
Cada variable tiene su propia columna Cada observación tiene su propia fila Cada valor tiene su propia celda
Ejemplo organización “tidy”
## dplyr y ggplot
coomo funcionan, libreria tidyverse.
Pipes: cómo encadenar operaciones
Los “pipes” permiten escribir código paso a paso, de forma legible:
library(rgbif)
library(ggplot2)
library(rnaturalearth)
library(sf)
datos <- occ_search(scientificName = "Lynx pardinus", limit = 100)
#head(datos$data[, c("species", "decimalLatitude", "decimalLongitude")])
df <- datos$data
# Basic map
world <- ne_countries(scale = "medium", returnclass = "sf")
# Plot
ggplot() +
geom_sf(data = world, fill = "grey90", color = "grey30") +
geom_point(data = df, aes(x = decimalLongitude, y = decimalLatitude),
color = "darkred", size = 2, alpha = 0.7) +
coord_sf() +
theme_minimal()
# Basic map
spain <- ne_countries(country=c("spain", "portugal"))
# plot(spain)
# Plot
ggplot() +
geom_sf(data = spain, fill = "grey99", color = "grey30") +
geom_point(data = df, aes(x = decimalLongitude, y = decimalLatitude),
color = "darkgreen", size = 2, alpha = 0.7) +
coord_sf() +
theme_minimal()
